本文關鍵詞：基于MEA-BP模型的股票預測研究

  更多相關文章： BP模型 思維進化算法 遺傳算法 上證指數(shù)

【摘要】：股市預測是金融研究的熱門課題之一。股票市場受諸多因素的影響呈現(xiàn)出復雜的非線性,基于線性分析的傳統(tǒng)方法則顯得有些力不從心。神經(jīng)網(wǎng)絡模型由于其可以實現(xiàn)任意空間的非線性映射而廣受學者們的青睞。當前,基于一般BP模型或(GA-BP模型的股票預測研究較多,但基于MEA-BP模型的股市預測研究還不是很多。本文首先選取了股票指數(shù)的8個基本指標,以上證指數(shù)的歷史數(shù)據(jù)建立BP模型和GA-BP模型進行實證分析,結果表明,一方面,BP模型雖然可以預測出股市的變化走勢,但其與真實值的偏離程度較高；另一方面,GA-BP模型雖然具有較高的精度,但其收斂速度卻較慢。有鑒于此,本文進一步采用思維進化算法(MEA)對BP網(wǎng)絡的連接權值與閾值進行優(yōu)化,并將預測結果與GA-BP模型做比較,對比發(fā)現(xiàn)該MEA-BP預測精度高于GA-BP模型,而且收斂速度也遠高于GA-BP模型。
【關鍵詞】：BP模型 思維進化算法 遺傳算法 上證指數(shù)
【學位授予單位】：蘭州大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F832.51;F224
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-10
• 1.1 研究背景7
• 1.2 研究現(xiàn)狀7-9
• 1.3 本文主要工作9-10
• 第二章 股票預備知識10-13
• 2.1 股票概念及特征10
• 2.2 股票基本指標10-11
• 2.3 股票預測面臨的問題11-12
• 2.4 BP模型在股市預測的可實施性12-13
• 第三章 BP神經(jīng)網(wǎng)絡及思維進化算法13-30
• 3.1 神經(jīng)網(wǎng)絡概述13-16
• 3.1.1 神經(jīng)網(wǎng)絡基本構成13-14
• 3.1.2 神經(jīng)網(wǎng)絡拓撲結構14-15
• 3.1.3 神經(jīng)網(wǎng)絡學習機理15-16
• 3.2 BP 神經(jīng)網(wǎng)絡16-23
• 3.2.1 BP神經(jīng)網(wǎng)絡結構16-17
• 3.2.2 BP神經(jīng)網(wǎng)絡學習規(guī)則17-20
• 3.2.3 BP算法流程20-22
• 3.2.4 BP神經(jīng)網(wǎng)絡優(yōu)缺點22-23
• 3.3 思維進化算法23-28
• 3.3.1 思維進化算法基本要素24-26
• 3.3.2 思維進化算法思路26-27
• 3.3.3 思維進化算法特點27-28
• 3.4 MEA優(yōu)化BP神經(jīng)網(wǎng)絡28-30
• 第四章 實證分析30-48
• 4.1 研究對象選取30
• 4.2 MEA-BP模型實現(xiàn)步驟30
• 4.3 BP網(wǎng)絡模型設計30-37
• 4.3.1 中間層層數(shù)選取30
• 4.3.2 輸入輸出層節(jié)點選取30-31
• 4.3.3 中間層節(jié)點選取31-36
• 4.3.4 激活函數(shù)的確定36-37
• 4.3.5 BP網(wǎng)絡結構確定37
• 4.4 思維進化算法參數(shù)選取37
• 4.5 數(shù)據(jù)預處理37-38
• 4.6 MEA優(yōu)化BP網(wǎng)絡算法實現(xiàn)38-42
• 4.7 結果分析42-48
• 第五章 結論與展望48-49
• 參考文獻49-51
• 致謝51

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 王俊清;;BP神經(jīng)網(wǎng)絡及其改進[J];重慶工學院學報(自然科學版);2007年03期

2 吳微,陳維強,劉波;用BP神經(jīng)網(wǎng)絡預測股票市場漲跌[J];大連理工大學學報;2001年01期

3 王川龍,孫承意;基于思維進化的MEBML算法的收斂性研究[J];計算機研究與發(fā)展;2000年07期

4 何小娟,曾建潮,徐玉斌;基于思維進化算法的神經(jīng)網(wǎng)絡權值與結構優(yōu)化[J];計算機工程與科學;2004年05期

5 鄧凱;趙振勇;;基于遺傳BP網(wǎng)絡的股市預測模型研究與仿真[J];計算機仿真;2009年05期

6 尹紹飛;蘇勇;;BP神經(jīng)網(wǎng)絡在股指預測中的應用[J];科學技術與工程;2009年24期

7 龐素琳;徐建閩;黎榮舟;;BP算法和對稱ARCH類模型對股市波動性預測的實證比較[J];控制理論與應用;2006年04期

8 孫承意,謝克明,程明琦;基于思維進化機器學習的框架及新進展[J];太原理工大學學報;1999年05期

，

本文編號：688827